Unsicherheit im Big-Data-Markt
Big-Data-Mythen: Was ist dran?
Mythos: Nur Analyse unstrukturierter Daten
Unternehmen, die Big Data auf Analytics und unstrukturierte Daten, beispielsweise Kommentare aus sozialen Netzwerken, reduzieren, liegen daneben. Analyseverfahren bilden nur einen Aspekt von Big Data – im Grunde den letzten Schritt. Dieser ist sicher entscheidend für das Ergebnis einer Big-Data-Frage. Wer jedoch die Vorarbeiten vernachlässigt, wird auch an der Analyse wenig Freude haben.
Dabei geht es vor allem darum, die richtigen Datenquellen zu identifizieren, ferner zu überlegen, wie sich daraus die wirklich relevanten Daten gewinnen lassen und wie diese in der Folge abgelegt und weiterbehandelt werden sollen. Big Data könne daher sehr schnell sehr komplex werden. Um dies zu verhindern, gelte es, Projekte möglichst klein und überschaubar zu halten.
Um die richtigen Daten für Big Data zu finden, müssen alle potenziellen Quellen einbezogen werden. Es wäre zu kurz gegriffen, sich auf die oft als Big-Data-Beispiel bemühten unstrukturierten Daten aus sozialen Netzen wie Facebook zu beschränken – zumal an dieser Stelle auch Privacy-Gesichtspunkte nicht unter den Tisch fallen dürfen. Auch andere Daten beispielswiese aus der Produktion, dem Einkauf oder der Lieferkette können wertvolle Hinweise liefern, wie sich das eigene Business effizienter und lukrativer abwickeln lässt.
- Big Data: Neue Berufsbilder
In den teilweise euphorischen Einschätzungen von Markforschern und IT-Unternehmen ist immer wieder die Rede von neuen Berufsbildern, die Big Data mit sich bringen soll. Dazu zählen unter anderem folgende Tätigkeiten: - Data Scientist
Er legt fest, welche Analyseformen sich am besten dazu eignen, um die gewünschten Erkenntnisse zu erzielen und welche Rohdaten dafür erforderlich sind. Solche Fachleute benötigen solide Kenntnisse in Bereichen wie Statistik und Mathematik. Hinzu kommen Fachkenntnisse über die Branche, in der ein Unternehmen beziehungsweise tätig ist und über IT-Technologien wie Datenbanken, Netzwerktechniken, Programmierung und Business Intelligence-Applikationen. Ebenso gefordert sind Verhandlungsgeschick und emotionale Kompetenz, wenn es um die Zusammenarbeit mit anderen Abteilungen geht. - Data Artist oder Data Visualizer
Sie sind die "Künstler" unter den Big-Data-Experten. Ihre Hauptaufgabe besteht darin, die Auswertungen so zu präsentieren, dass sie für Business-Verantwortliche verständlich sind. Die Fachleute setzen zu diesem Zweck Daten in Grafiken und Diagramme um. - Data Architect
Sie erstellen Datenmodelle und legen fest, wann welche Analyse-Tools Verwendung finden und welche Datenquellen genutzt werden sollen. Auch sie benötigen ein umfassendes Know-how auf Gebieten wie Datenbanken, Datenanalyse und Business Intelligence. - Daten-Ingenieur
Diese Aufgabe ist stark auf die IT-Infrastruktur ausgerichtet. Der Dateningenieur ist das Big-Data-Analysesystem zuständig, also die Hard- und Software sowie Netzwerkkomponenten, die für das Sammeln und Auswerten von Daten benötigt werden. Eine vergleichbare Funktion haben System- und Netzwerkverwalter im IT-Bereich. - Information Broker
Er kann mehrere Rollen spielen, etwa die eines Datenhändlers, der Kunden Informationen zur Verfügung stellt, oder die eines Inhouse-Experten, der Datenbestände von unterschiedlichen Quellen innerhalb und außerhalb des Unternehmens beschafft. Außerdem soll er Ideen entwickeln, wie sich diese Daten nutzbringend verwenden lassen. - Data Change Agents
Diese Fachleute haben eine eher "politische" Funktion. Sie sollen bestehende Prozesse im Unternehmen analysieren und anpassen, sodass sie mit Big-Data-Initiativen kompatibel sind. Nur dann lässt sich aus solchen Projekten der größtmögliche Nutzen ziehen. Wichtig sind daher ausgeprägte Kommunikationsfähigkeiten, Verständnis für Unternehmensprozesse sowie Kenntnisse im Bereich Qualitätssicherung und Qualitätsmanagement (Six Sigma, ISO 9000).